摘要
低场台式核磁共振（NMR）光谱技术已成为一种便捷的分析工具，可用于快速、常规且具有实用导向的分析。然而，由于其固有缺陷，如光谱分辨率较低、信号重叠严重以及灵敏度不如传统高场仪器，其在更广泛领域的应用仍受到限制。为克服这些难题，人们开始结合传统化学计量学方法，运用人工智能（AI），包括机器学习和深度学习技术，来提升从低场光谱数据中提取信息的能力。本综述探讨了人工智能辅助台式NMR在三个主要应用领域的最新进展：分类与鉴定、定量分析以及光谱处理或自动解读。目前来看，分类与鉴定已是最为成熟的应用领域，而定量分析虽前景广阔，但其性能往往取决于具体条件。相比之下，尽管光谱重建和自动解读在解决数据固有信息限制方面具有长远意义，但目前仍处于起步阶段且多为探索性质。文中还重点分析了诸多关键挑战，包括数据集多样性不足、模型迁移性差、验证过程中的问题、可解释性有限，以及缺乏基准测试和标准化工作流程等。未来的发展不仅依赖于人工智能算法的进步，还需建立稳健、可重复且具有实际分析价值的操作流程。总体而言，人工智能辅助台式NMR正从概念验证型应用逐步发展为一种更为系统化的分析框架，有助于从光谱受限的低场数据中提取具有化学意义的信息。
